開発者のための音声入力（2026年）：Claude Code、Cursor、VS Code、そして端末

何かを入れる前に。あなたがすでに使っている道具に、たぶん音声入力が入っています。Claude Codeは春に/voiceを出し、Cursorは2025年10月からチャット欄にマイクを持ち、VS Codeはそれより前からエディタへ口述してきました。このページの内容はすべて、2026年8月27日に公式ドキュメント、変更履歴、パッケージレジストリから読み取ったものです。口述ソフトの提供元が書いたガイドが省く条件も含めていて、そういう条件はいくつもあります。

VoiceBoard編集部更新日 2026年9月2日

「音声コーディング」という言葉の下には、別々の仕事が二つある

この話題の議論はほとんど、この二つを混ぜたところから来ています。

エージェントに意図を口述する。やりたいことを話すと散文がプロンプト欄に入り、モデルがコードを書きます。エディタについては何も変わりません。標準機能がやるのはこれで、口述アプリがやるのもこれで、これを読むほとんどの人にとってはこれが仕事のすべてです。準備時間は1分ほど。

声でエディタを運転する。カーソルを動かし、トークンを選び、引数を消し、シンボルの名前を変える構造化されたコマンドを出します。この輪の中にタイピングは一切ありません。これがTalonとCursorlessで、入れるアプリではなく覚える技能であり、これを身につけた人のほとんどは、打つのが痛くなったから身につけました。日本語で読む人には先に言っておきます。こちらの道具は英語のコマンド言語です。

ひとつめの仕事は2026年に簡単になりました。ふたつめはだいたい2018年から可能で、いまも難しいままです。手首が痛くてここへ来たのなら、Talonの節へ飛んでください。口述アプリではあなたの問題は解けません。

なぜ急に意味を持ち始めたのか

コーディングエージェントへのプロンプトは1行のコードではありません。何がほしいか、どのファイルが関わるか、すでに何を試したか、制約は何かを書いた二百語ほどの散文です。散文はまさに音声が得意なもので、まさに打つのが遅いものです。

この件で引かれる数字は、2016年のRuan、Wobbrock、Liou、Ng、Landayによる研究ひとつから来ています（arXiv:1608.07323）。iPhone 6 Plus上で、英語の音声入力は毎分153語、画面キーボードは52語、およそ3倍でした。中国語は123語対43語。この数字を繰り返す前に知っておくべきこと。あれはスマホの親指入力です。あなたが気にする比較対象は物理キーボードで、その最大規模の研究、CHI 2018のDhakalらによる168,000人と1億3,600万打鍵の調査もまた、平均毎分52語に着地しました。上位5%は80語超です。なお日本語はどちらの研究にも入っていません。かな漢字変換を挟む日本語入力にこの比を素直に当てはめられる根拠は、私たちの知る限り公開されていないので、数字は英語の話として読んでください。

ですから平均的な打鍵速度の人には、差は本当に3対1くらいです。毎分100語で打てるなら差は1.5に近づき、音声を使う理由は速さではなくなります。同じ2016年の研究では、音声のほうが最終テキストに直し残しの誤りがわずかに多く、1.30%対0.79%でした。これは文を口述するときより、ファイルパスを口述するときに効いてきます。

売り文句の正直な版はこうです。口述はあなたを速いプログラマにはしません。長いプロンプトを安くするので、六語の版ではなく三文の版を書くようになり、エージェントの当て推量が減ります。

一覧で見る

Claude Code：/voiceコマンド

検索の量があるのはこれで、しかも上位に並ぶ記事でいちばん不正確に説明されているのもこれなので、Anthropicのドキュメントから全体像を書きます。

有効にする。CLIで/voiceと打ちます。初回はマイクの確認が走り、macOSではこのときようやく端末がマイクの許可を求めてきます。入力欄のフッターが状態を教えてくれます。

Voice mode enabled (hold). Hold space to record. Dictation language: en (/config to change).

/voice hold、/voice tap、/voice offでモードを直接指定できます。設定は再起動をまたいで残り、ユーザー設定ファイルに書いておけばコマンド自体を省けます。

{ "voice": { "enabled": true, "mode": "tap" } }

ホールドモードが既定で、スペースキーを押しているあいだだけ話す方式です。知っておく価値のある癖があります。Claude Codeはキーが押されっぱなしかを端末からのキーリピートで判定するので短い助走があり、フッターはlistening…の前にkeep holding…と出て、はみ出したスペース文字は自動で片づけられます。話すあいだテキストは薄く表示され、離した時点でカーソル位置に挿入されます。つまり半分打って、残りを話して、そのまま続けられます。

タップモードは助走をなくします。スペースを1回叩くと始まり、もう1回で止まり、書き起こしが3語以上あればプロンプトが自分で送信されます。無音が15秒続くか、合計2分で録音は自分で止まります。最初のタップは入力が空のときだけ効くので、スペースは普通に打てます。

初日に変える価値のある設定が二つ。ホールドモードで、Enterを待たずに離した時点で送ってほしいなら、voiceオブジェクトに"autoSubmit": trueを足します。それとスペースキーの助走が気になるなら、~/.claude/keybindings.jsonで操作を割り当て直してください。修飾キーの組み合わせなら、助走なしで最初の打鍵から録音が始まります。

{ "bindings": [ { "context": "Chat", "bindings": { "meta+k": "voice:pushToTalk" } } ] }

書き起こし側は、一般的な発話ではなく私たちの語彙に向けて調整されています。Anthropicはregex、OAuth、JSON、localhostのような語を正しく扱うと述べていて、いま開いているプロジェクト名とgitのブランチ名が認識のヒントとして自動的に渡されるとも書いています。この最後の一点は口述が実用になるかどうかを決める類のもので、あなたのリポジトリを読まない外部ツールには真似できません。

口述できる言語は20。/configかlanguage設定で指定します。チェコ語、デンマーク語、オランダ語、英語、フランス語、ドイツ語、ギリシャ語、ヒンディー語、インドネシア語、イタリア語、日本語、韓国語、ノルウェー語、ポーランド語、ポルトガル語、ロシア語、スペイン語、スウェーデン語、トルコ語、ウクライナ語。日本語は入っているので、上のフッターに出る言語表示も、設定を変えればjaになります。それ以外の言語は英語へ落ち、有効化時に警告が出ます。

ここからが条件で、提供元のガイドが黙る部分です。音声ディクテーションには次が必要です。

• Claude.aiのアカウント。Claude CodeをAnthropicのAPIキー、Amazon Bedrock、Google CloudのAgent Platform、Microsoft Foundryに直接向けている場合は使えません。仕事で使う人のかなりの割合がまさにその構成で動かしていて、その人たちには/voiceがそもそも存在しません。
• ローカルのマイク。SSH越しでも、ウェブ版のClaude Codeでも動きません。マイクはあなたのノートにあり、プロセスはそこにないからです。
• WSLで動かすならWSLg。Microsoft StoreのWSL2に付いてきます。WSL1では、代わりにネイティブのWindowsでClaude Codeを動かすよう案内されます。

音声はAnthropicのサーバーへ行きます。ドキュメントの言い方は短いものです。「音声はローカルで処理されません」。一方で、書き起こしは「Claudeのメッセージやトークンを消費せず、/usageに表示される上限にも数えられません」ので、意味のある形で無料です。

VS Code拡張にも同じ機能と同じClaude.aiの要件があり、VS Codeのリモートセッション、つまりSSH、Dev Containers、Codespacesでは使えません。組織の管理者がポリシーで全体を切ることもでき、その場合は/voiceがそう教えてくれます。

Linuxでは録音にネイティブモジュールを使い、それが読み込めないとClaude CodeはALSA utilsのarecordかSoXのrecへ落ちます。WSLgではPulseAudioのバックエンドを明示的に入れる必要があり、sudo apt install sox libsox-fmt-pulseです。素のsoxはALSAバックエンドを引いてきますが、録音元になる/dev/sndが存在しないからです。この1行はWSLで開発する人の一晩を救います。

いつ来たのか。Anthropicは変更履歴に日付を付けないので、横から攻めました。公開されている変更履歴の377バージョン全部を見て、音声に触れる最初の項目は2.1.69で、そこで口述言語が10増えて合計20になっており、npmレジストリはそのバージョンの公開日時を2026年3月4日としています。つまりこの機能は2026年3月のいちばん初めに着地し、以来一定の速さで修正が続いていて、その多くはLinuxの音声、WSL、キーリピートを送らない端末についてのものです。

Cursor：チャット欄のマイク

Cursorが音声を足したのは2025年10月29日のCursor 2.0で、変更履歴では組み込みの音声認識でエージェントを声で操作するものと説明され、設定で自分の合図語を決めておくとそれを言うだけで実行が始まる仕組みが付いていました。2026年4月13日のCursor 3.1がこれを作り直します。Ctrl+Mを押さえて話す方式になり、逐次ではなく録音を丸ごと受け取って一度に書き起こすようになりました。変更履歴はそれで品質が上がったとしています。録音中は波形とタイマー、キャンセルと確定のボタンが出ます。

この検索でいま上位にあるページのひとつは、Cursorの音声入力は「私たちが確認できる公開ドキュメントでは扱われていない」と書いています。扱われています。上の変更履歴の項目は公開されていて、日付があり、具体的です。この分野がどれだけ丁寧に書かれているかが分かります。

Cursorのマイクがしないのは、チャット欄を出ることです。Cmd+Kにも、エディタ本体にも、統合端末にも、APIのドキュメントを読んでいるブラウザのタブにも届きません。Cursorの端末の中でClaude CodeやCodexを動かしているなら、チャットのマイクはそこでは何の助けにもなりません。Cursorを使う開発者が結局システム全体のツールを入れることになる、いちばんよくある理由がこれです。

Cursorのコミュニティフォーラムには音声のバグ報告も途切れず流れています。オーディオコンテキストは開くのに無音しか拾わない、波形は動くのに文字が一向に出ない、口述したテキストがキャレットの位置に関係なく1行目の末尾に落ちる。どれも、全員にとって機能が壊れているという意味ではありません。ただ、習慣を作る前に試しておくべきだという意味ではあります。

VS CodeとCopilot Chat

VS Codeは二か所で口述でき、ショートカットは覚える価値があります。Ctrl+I（Macは⌘I）でチャットへ話し、Ctrl+Alt+V（⌥⌘V）でカーソル位置のエディタへ口述します。どちらも押しっぱなし方式です。キーに触れたくないなら「Hey Code」のキーワード起動もあります。

雇い主が厳しい人にとって重要なのはここです。Microsoftのドキュメントは、既定のモデルが「マイクの音声をデバイス上で処理する」と述べ、最初のモデルのダウンロードが済めば音声認識はインターネット接続を必要としないとしています。あなたのエディタと同じ提供元から出ていて、本当に実用に足り、本当にローカルで、しかも無料です。

主要なデスクトップ環境では、この能力はいま本体に入っています。別途のVS Code Speech拡張がまだ必要なのは、ウェブ版、IntelのMac、32ビットとArm32の環境、musl系のLinuxディストリビューションです。インストール数は1,417,222、バージョンは0.16.0で、accessibility.voice.speechLanguage設定を通じて26言語を扱い、日本語もその中に入っています。

限界は分かりきったものです。VS Codeの中で動き、それ以外では動きません。そしてCursorはVS Codeそのものではなくフォークなので、拡張が同じ挙動をすると思い込まないでください。

端末

Warpは例外で、音声を第一級の機能として持っています。設定、Agents、Warp Agent、Voiceで構成し、エージェントモードだけでなく入力面の全体で使えます。Warp自身のドキュメントは、書き起こしが「Wispr Flowによって動いている」こと、音声はリアルタイムで処理され録音として残らないことを述べています。すでにWispr Flowに払っているなら、同じエンジンを二か所で走らせていることになります。

iTerm2、Windows Terminal、Ghostty、Alacritty、素のgnome-terminalには組み込みの口述はありませんし、これから付くこともありません。端末は他と同じテキストの面なので、答えはフォーカスのある窓へ文字を打つシステム全体の層です。これはJetBrainsのIDE、Zed、Neovim、そしてそのどれかの中で動かすCLIエージェントへの答えでもあります。

システム全体の層

これらは背景に居座り、ホットキーを押さえているあいだ聞いて、カーソルのある場所へ仕上がった文字を貼ります。道具ひとつ、窓は全部。ここでは同じ観点で比べます。いくら払うか、音声はどこへ行くか、どこで走るか。

Wispr Flow

この読者層のために作られたものです。開発者向けのページは「開発の専門用語を理解する」口述をうたい、camelCase、snake_case、頭字語を扱い、SupabaseやMongoDBのような製品名を拾い、CursorとWindsurfではファイルをタグ付けして正しい文脈がプロンプトに入るとしています。出荷が4倍速くなるとも主張していますが、これは提供元の数字であって、誰かが公開した計測ではありません。

価格にもかかわらず勧める理由はこうです。キーを押さえて、いつもの調子で話すと、さっきまでいた窓にきれいな散文が落ちます。言いよどみは消え、句読点は置かれ、言い直した文はあなたが意図した一文になります。端末でも、チャットのパネルでも、GitHubのコメントでもSlackでも、どれがどれかを知りも気にもせず動くので、「ここではどのマイクを押すんだっけ」という頭の負荷が二日で消えます。Warpのチームが自社の音声機能のエンジンにこれを選んだことは、代替を評価した人たちからの本物の一票です。

細かい条件。無料枠はデスクトップで週2,000語、Proは月15ドル、年払いなら月12ドル。クラウドサービスなので、接続がなければ口述もありません。Windowsはx64のみで、ARMの機械、つまりSnapdragonのノートは非対応、仮想マシンとリモートデスクトップも同様なので、企業の構成のかなりの部分が外れます。Linuxビルドはありません。そして日本語で使うなら、100超の言語に日本語は入っているものの、英語以外の精度は英語ほどではないと提供元自身が書いているので、無料枠で自分の話し方を試してから決めてください。詳しい評価はこちら、代替はこちらです。

Wispr Flowを試す

Superwhisper

執筆時点で一日前のニュースです。2026年8月26日、Superwhisperが恒久の無料枠を出しました。ゼロ円で、どのアプリでも音声からテキスト、会議の録音と書き起こし、100以上の言語への対応、そしてWhisperモデルの無制限利用が手に入ります。月8.49ドルのProは、自分のAPIキー、クラウドとローカルのAIモデル、翻訳、音声と動画ファイルの書き起こしを足します。新規利用者はProを3,000語ぶん試せ、そのあとも無料の機能は無期限で残ります。

Mac、Windows、iOSで動き、発話を完全に自分の機械の中で処理する数少ない商用アプリのひとつです。オフラインのモデルはApple Siliconを求めます。IntelのMacはクラウドモデルのほうがいい、と提供元は言っています。Whisper系のモデルなので、日本語の書き起こしもここでは素直に動きます。

2026年4月に追加されたClaude Code専用の連携もあり、エージェントの前に浮かぶSuperwhisperの窓を置いて、端末へ切り替えずに話しかけられます。導入はサイトからの1行のインストールスクリプトです。OpenCode、Codex、Pi、Grok CLI向けにも同じページがあります。

Handy

無料、MITライセンス、そしてやることはひとつ。ショートカットを押して話すと、フォーカスのある欄に文字が入り、何ひとつコンピューターの外へ出ません。書き起こしはWhisperのモデルか、CPU向けに最適化され言語を自動判別するParakeet V3で走り、無音はSileroの音声区間検出が落とします。Windows、macOS、Linux対応、現行リリースは2026年8月24日のv0.9.6、GitHubのスターは30,430です。ただし日本語で使うなら選ぶモデルに注意してください。Parakeet V3が対応するのは25のヨーロッパ言語で、日本語は入っていません。日本語ならWhisper系のモデルを選ぶ必要があります。

このプロジェクトは自分を、最良の音声認識アプリではなく最もフォークしやすい音声認識アプリを目指していると説明していて、これは珍しく正直な位置づけであり、持つべき期待としても正しいものです。文法を整える仕上げの層はありませんし、同僚の名前を覚える辞書もありません。モデルの大きさを自分で選び、ときどき荒い部分と付き合える開発者にとって、Handyはこのページで最も強い無料の選択肢です。

VoiceInk

Apple SiliconのmacOS専用、Neural Engine上のローカルモデル、オープンソース、スター6,123、そして価格は買い切りです。Mac 1台で29ドル、2台で49ドル、3台で69ドル、更新は無期限。クラウドの提供元は、自分のAPIキーを用意して自分で選んだときだけ使えます。

顧客のコードが載っているのがそのMacなら、音声をどこへも送らない口述への最短経路がこれです。購読の年144ドルに対して29ドルを一度払うなら、十週間ほどで元が取れます。使うのはWhisper系のモデルなので、日本語の口述もそのまま動きます。Macのまとめでもっと深く扱っています。

VoiceInkを見る

Voicy

実際にLinuxビルドを出している商用の選択肢です。.deb、.rpm、AppImageで、Ubuntu、Debian、Fedora、Archをカバーします。システム上のあらゆるアプリ、端末、ブラウザへ書き込み、VS CodeやJetBrainsのエディタでも動き、Windows、macOS、Chrome、モバイルでも走ります。無料の試用は録音30分、Proは月8.49ドル、260ドルの買い切りライセンスがあります。学生と障害のある人は20パーセント引きです。

正直な限界。オフラインモードはありません。認識はGroqの設備を通るので、音声は毎回あなたの機械を出ます。Voicyは処理後すぐに削除し学習には決して使わないと言っていて、これは妥当な方針ですが、それでも手元で処理するのとは違います。

Voicyを見る

Voibe

他にない機能がひとつあるので名前を出す価値があります。話した識別子を実際のワークスペースと突き合わせて解決する開発者モードで、「auth middleware dot t s」が語の羅列ではなくauthMiddleware.tsとして出てきます。エディタで口述するときいちばん煩わしい失敗の仕方が、そのまま解かれています。ただし話す識別子は英語なので、日本語で口述しながらここだけ英語に切り替える手間は残ります。月7.50ドル、年59ドル、または149ドルの買い切りで、MacとWindows。

よそで間違って繰り返される訂正をひとつ。VoibeはApple Siliconでは完全にデバイス上で動きますが、Windowsではゼロ保持のクラウドモードで動きます。同社のFAQにそう書かれています。ゼロ保持は意味のある方針です。音声が部屋を出ないのとは違います。

コードを機械の外へ出せない場合

これは趣味の構成と仕事で使える構成を分ける問いで、この分野の宣伝文句はそこを意図的に濁します。二つのことが混ぜられています。音声がどこで処理されるかと、提供元がそのあと何をすると約束しているか。技術的な事実なのは前者だけです。

音声がコンピューターから出ないもの：VS Code Speech、Handy、Apple SiliconのVoiceInk、ローカルモデルのSuperwhisper、Apple SiliconのVoibe、Talon。

音声がサーバーへ行くもの：Claude Codeの/voice、Cursorの音声、Warpの音声、Wispr Flow、Voicy、WindowsのVoibe、クラウドモデルのSuperwhisper。

Claude Codeがどちら側にいるかと、その二次的な効果に注目してください。/voiceはBedrock、Google CloudのAgent Platform、Microsoft Foundryでは使えません。規制の厳しい企業がまさに選ぶ配備です。コンプライアンスの理由で雇い主がClaude CodeをBedrockの後ろに置いたのなら、組み込みのマイクは議論するまでもない選択肢です。表示されないからです。

その読者への推奨に費用はかかりません。横断的で無料がいいならHandy、エディタひとつの中で生きているならVS Code Speech、Apple SiliconのMacで、もっと仕上がったものに一度だけ払いたいならVoiceInk。日本語で口述するなら、HandyではWhisper系のモデルを選ぶことだけ忘れないでください。いずれにせよセキュリティ方針の責任者には確認してください。「ローカルで動く」は、このようなページから受け継ぐのではなく自分で検証すべき主張です。

TalonとCursorless：もうひとつの競技

ここに来た理由が手なら、上のどれもあなたの答えではありません。口述は語を打ちます。カーソルを動かしはしませんし、三つ目の引数を選びも、何かをリファクタリングもしません。

Talonはハンズフリーの入力システムです。音声コマンド、ノイズ操作（シューやポンがクリックになる）、視線追跡、そして好きなものを定義するPythonスクリプト。自前の音声エンジンでオフラインに動き、macOS、Windows、X11のLinuxに対応し、無料で、ベータ版向けのPatreonの段があります。ただし日本語で読む人には先に言います。同梱のエンジンもコマンド語彙も英語が前提で、日本語の口述はできません。手を守る仕組みとしては強力ですが、日本語の文章を書く道具ではありません。手を出す前にバージョン番号を見てください。公開版はTalon自身の変更履歴で2023年7月24日付の0.4.0です。最近の仕事はベータ側にあり、ハイブリッドのWhisperエンジン、コマンドと口述を同時に受ける「ミックスモード」、変更履歴が精度およそ20パーセント改善としているConformer Dモデルが含まれます。開発は生きています。安定版のダウンロードがそれを見せないだけです。

Cursorlessは、編集を位置ではなく構造で行うための層です。画面に見えるトークンそれぞれの一文字に色付きの「帽子」を描き、その帽子でコードを指します。"chuck bat"と言えば、そのbに帽子が乗っているトークンが消えます。Talonが駆動するVS Codeの拡張で、MITライセンス、スター1,335、直近のコミットは2026年8月26日です。ほとんどの人がTalonの上で実際に動かしているコミュニティのコマンド集talonhub/communityは、2026年8月24日に手が入っています。どちらのプロジェクトも健康です。

これが手軽な勝利だと誰かに言わせないでください。テキストを編集するための話し言葉をひとつ覚えているのであり、見返りは数時間ではなく数週間で来ます。この件で最も読まれている記録、Xe IasoのCursorless is alien magic from the futureは2023年11月10日にHacker Newsのトップに790ポイントと337コメントで到達しました。あのスレッドを読むのが感覚をつかむいちばん速い方法です。話はほとんど腱鞘炎と腱の炎症と、働き続けられるかどうかで、速さの話はほとんど出てきません。これはそういう人のためのものです。

Serenadeはいまも音声コーディングの道具の一覧に出てきます。サイトは生きていてダウンロードのボタンも動きますが、GitHubのリポジトリには2024年6月11日以降プッシュがありません。それが変わるまでは、保守されていないものとして扱ってください。

使える出力になる口述のしかた

以下の習慣は特定の道具ではなく問題の形から来ているので、/voiceにも、Cursorにも、システム全体のアプリにも同じように当てはまります。

構文ではなく意図を話す。「ユーザー表をサーバー側で1ページ20件にページングして」のほうが、forループを読み上げるよりうまくいきます。構文についてはエージェントのほうがあなたのマイクより得意ですし、発音しようとする記号はひとつ残らず間違いの機会です。

ひと息10語から30語、そして休む。長く切れ目のない独白は劣化しますし、短すぎると書き起こしを正しく解決させる文脈が失われます。

名前は道具に解かせて、解けないものだけ自分で見る。Claude Codeはプロジェクト名とブランチ名を書き起こし側へ渡し、Voibeは話した識別子をワークスペースと突き合わせ、Wispr Flowは使ううちに専門用語を覚えます。それでも同僚の姓や社内サービスのコードネームを確実に当てるものはないので、送る前にプロンプトへ目をやってください。日本語で書いている場合は、固有名詞の漢字がもうひとつの落とし穴になります。

返ってくるものを信用できるまで、自動送信は待ってください。3語で自動的に送るのは便利ですが、半分しか聞き取られていない文が、意図しないエージェントの実行を始めた瞬間から便利ではなくなり、それを止めるのに次の2分を使うことになります。

最後に、タイピングは手放さないでください。まともな実装はどれも、ひとつのメッセージの中で両方を混ぜられます。ファイルパス、フラグ、正規表現は打つほうが速いですし、純粋さに賞は出ません。

どう確かめ、何を確かめなかったか

この記事のために精度のベンチマークは走らせていませんし、走らせたふりもしません。これらの検索でいま上位にあるページを読むと、「およそ98%の精度」「200ミリ秒対700ミリ秒」「AISpeakベンチマークで97.3%」といった自信ありげな数字が出てきますが、それを出しているのは自社の比較で一位になった道具を売っている会社で、録音も台本も生データも付いていません。

代わりに2026年8月27日にしたのは、確かめられるものを一次情報で確かめることでした。

• Anthropicの音声ディクテーションのドキュメントを通読した。Claude Codeの節の条件はすべてそこから来ている。
• 公開されているClaude Codeの変更履歴377バージョンすべてを音声の項目で検索し、バージョン2.1.69の日付をnpmレジストリの公開時刻から特定した。
• Cursor 2.0と3.1の変更履歴の項目を読み、日付、ホットキー、一括書き起こしへの変更を取った。
• Microsoftのアクセシビリティのドキュメントと、VS Code Speech拡張のマーケットプレイスの掲載を読んだ。
• Warp自身のドキュメントを読み、書き起こしがWispr Flowで動いていることを確認した。
• Talonの公開変更履歴を読み、リリース日とベータの機能一覧を取った。
• GitHubのAPIに問い合わせ、Cursorless、Talonのコミュニティコマンド集、Handy、VoiceInk、Serenadeのスター数と最終コミット日を取った。
• Wispr Flow、Superwhisper、Voicy、Voibe、VoiceInkの現在の価格ページを読み、他のまとめから価格を写さなかった。

確かめられず、ごまかさずに旗を立てておくものが三つ。提供元の精度と遅延の主張は宣伝であり、宣伝としてそのまま伝えているだけで支持はしていません。Cursorは書き起こしがどこで行われ誰が提供しているかを文書化していないので、表の欄は推測せず「非公開」としています。そしてRedditには調査環境から届かないので、ここで参照している空気はあなたがクリックできる出どころ、つまり日付のあるHacker Newsのスレッドと、Cursor自身の公開フォーラムから来ています。なお日本語で使えるかどうかは、Anthropic、Microsoft、NVIDIAの各ドキュメントで言語一覧を個別に確認しました。

検討して外したもの

Aqua Voice、Willow Voice、Spokenly、Vibe Typer、VoiceDash、そしてブログ主導の一群。実在の利用者がいる実在の製品ですし、この話題の調査が難しい理由でもあります。それぞれが、標準機能を問題として扱い自社のダウンロードを答えとして示すガイドを出しているからです。中には良いものもあるはずです。私たちは試していませんし、確かめていないものに順位はつけません。

MCPの音声サーバー、たとえばmcp-voice-hooks。うまくできていますし、エージェントが聞くだけでなく話し返せるようになります。ただしホットキーがすでにやっている仕事のために、エージェントの設定へ可動部をひとつ足すことでもあります。双方向の会話がほしいなら見る価値があり、速いプロンプトがほしいだけなら不要です。

Ski、freeflow、Yap、そして毎週のShow HNの波。いま新しいローカルの口述ツールは週に1本ほどの速さでHacker Newsに出ていて、その多くは無料でオフラインです。早いのが好きならあのフィードを見ていてください。すでに利用者とリリースとパッケージングを積み上げているのはHandyです。

Dragon Professional。声での修正と書式設定ではいまも基準で、いまもWindows専用で、いまも販売店で約699ドルで、そして個人向けの流通は解体されました。Dragonに何が起きたのかをどうぞ。もともとエディタや端末のために作られたものではありませんし、日本語版も存在しません。

macOSとWindowsのシステム標準の音声入力。無料で、すでに入っていて、テキスト欄に一文を書くには十分です。どちらも技術的な語彙で崩れますが、それこそが開発者の発話の中身のすべてです。日本語ではそこにかな漢字変換の当たり外れが乗るので、識別子やコマンド名を口述するのはさらに分が悪くなります。

次にすること

すでに持っているものに5分使ってください。Claude Codeの/voice、CursorのCtrl+M、VS CodeのCtrl+I。気になるのが窓ごとに違うマイクがあることだけなら、それこそシステム全体の層が解く問題で、何も払う前にWispr Flowの無料枠で決着をつけられます。コードを機械の外へ出せないなら代わりにHandyを、Apple SiliconのMacで29ドル一度きりでもっと仕上がったものがほしいならVoiceInkを入れてください。そして打つのが痛くてここに来たのなら、そのどれもあなたの答えではありません。TalonとCursorlessから始めて、数週間かけてください。ただし英語でのコマンドになります。